عنوان
طبقه‌بندي بررسي ميزان مصرف انرژي الكتريكي در صنعت فولاد به كمك تكنيك يا الگوريتم پرسپترون چندلايه خطي
نويسنده اصلي
ياري، اردشير
محل تحصيل
اصفهان : دانشگاه صنعتي اصفهان
رشته تحصيلي
مهندسي صنايع
مقطع تحصيلي
كارشناسي ارشد
چكيده
در سال‌هاي اخير، با توسعه سريع سيستم‌هاي توليد هوشمند و افزايش حجم داده‌هاي توليدشده در محيط‌هاي صنعتي، تحليل دقيق الگوهاي مصرف انرژي به يكي از اركان اصلي در بهينه‌سازي فرآيندها تبديل شده است. در اين راستا، توسعه مدل‌هاي طبقه‌بندي كه بتوانند به‌طور همزمان دقت بالا، پايداري در برابر نويز و تفسيرپذيري كامل را ارائه دهند، يك چالش اساسي است. در حالي كه مدل‌هاي پيشرفته يادگيري ماشين (به‌ويژه شبكه‌هاي عصبي عميق) به دليل ماهيت «جعبه‌سياه» و ساختارهاي پيچيده غيرخطي، فاقد شفافيت لازم براي تصميم‌گيري‌هاي حساس و ايمن در صنايع هستند، روش‌هاي خطي كلاسيك نيز غالباً به دليل ظرفيت محدود در يادگيري ويژگي‌ها، از دقت طبقه‌بندي پايين‌تري رنج مي‌برند. اين تضاد، شكاف تحقيقاتي مهمي را در زمينه توسعه سيستم‌هاي هوشمندِ قابل‌اعتماد ايجاد كرده است.
پژوهش حاضر با هدف پر كردن اين شكاف و دستيابي به تفسيرپذيريِ صددرصدي بدون افت چشمگيرِ عملكرد، يك چارچوب طبقه‌بندي دودوييِ نوآورانه پيشنهاد مي‌دهد. ايده محوري اين تحقيق، مهندسي مجدد معماري كلاسيك شبكه عصبي پرسپترون چندلايهست. در اين روش، با حذف توابع فعال‌سازي غيرخطي متداول و جايگزيني آن‌ها با يك تابع فعال‌سازيِ كاملاً خطي در تمامي لايه‌هاي پنهان، ساختار شبكه دگرگون شد. اين ابتكارِ معماري باعث مي‌شود كه فرآيند يادگيري سلسله‌مراتبِ وزن‌ها در نهايت به يك مدل واحد و كاملاً خطي تقليل يابد؛ به‌نحوي‌كه ضمن بهره‌گيري از قابليت‌هاي بهينه‌سازيِ شبكه‌هاي عصبي، اثر و وزنِ دقيق هر ويژگي ورودي بر خروجي و تصميم نهاييِ مدل به‌صورت مستقيم و شفاف قابل‌استخراج و تحليل باشد.
به‌منظور پياده‌سازي، آموزش مدل و ارزيابي جامع، تمامي الگوريتم‌هاي توسعه‌يافته در محيط محاسبات ابري گوگل كولب برنامه‌نويسي و اجرا شدند. مدل پيشنهادي بر روي مجموعه داده‌هاي واقعي و پيچيده مصرف انرژي صنعتي مورد آزمايش قرار گرفت تا كارايي آن در شرايط عملياتي سنجيده شود. در فاز ارزيابي، عملكرد اين شبكه خطي با مجموعه‌اي از قدرتمندترين الگوريتم‌هاي طبقه‌بندي خطي مرجع، از جمله رگرسيون لجستيك و ماشين بردار پشتيبان خطي در قالب شاخص‌هاي استانداردِ ارزيابي مقايسه گرديد.
تحليل تجربي و آماريِ نتايج اثبات مي‌كند كه مدل پيشنهادي از نظر كارايي به‌طور معناداري بر رقباي خود برتري دارد. اين چارچوب با دستيابي به دقت كل استثنايي 905/0توانست افزايشي بين3 تا 5 درصد در شاخص‌هاي طبقه‌بندي نسبت به ساير روش‌هاي خطي ثبت كند. از منظر كاربرد صنعتي، اين جهشِ عملكردي بدين معناست كه در هر 100 تصميم عملياتي و كنترلي، مدل پيشنهادي به‌طور متوسط 3 تا 5 خطاي تصميم‌گيريِ كمتري مرتكب مي‌شود. اين كاهش خطا مستقيماً به معناي جلوگيري از هدررفت انرژي، كاهش توقف‌هاي برنامه‌ريزي‌نشده و افزايش چشمگير قابليت اطمينان سيستم‌هاي مديريت انرژي است. اين مطالعه در نهايت نشان مي‌دهد كه با بازطراحي هوشمندانه و خطي‌سازي ساختارهاي پايه مانند MLP، مي‌توان به سطحي از عملكرد رقابتي دست يافت كه نياز به مدل‌هاي پيچيده و غيرقابل‌تفسير را در كاربردهاي صنعتي برطرف مي‌سازد.
شماره ركورد
237725
گرايش رشته تحصيلي
مديريت مهندسي
دانشكده
آموزش الكترونيكي
دانشگاه
دانشگاه صنعتي اصفهان